使用Freebayes生成VCF时如何忽略样本信息实现伪批量变异检测

针对同一个体的1000+单细胞RNA-seq BAM合并后做伪批量变异检测时，Freebayes生成多样本列而非单个合并样本列的问题，提供两种可行方案：

方案一：预处理BAM统一读段组 #

Freebayes基于读段组（Read Group）的SM字段识别样本，因此先将所有BAM的读段组信息统一为同一个样本名，再合并分析：

• 使用picard AddOrReplaceReadGroups修改每个BAM的读段组，将RGSM设为COMBINED_SAMPLE，其他读段组字段同步统一：

picard AddOrReplaceReadGroups \
  I=single_cell.bam \
  O=single_cell_rg.bam \
  RGID=COMBINED_RG \
  RGLB=COMBINED_LIB \
  RGPL=ILLUMINA \
  RGPU=COMBINED_UNIT \
  RGSM=COMBINED_SAMPLE

• 批量处理所有BAM后，用samtools merge合并为单个BAM：

samtools merge merged_combined.bam *.rg.bam

• 用修改后的合并BAM运行Freebayes，生成的VCF会直接仅包含COMBINED_SAMPLE一列：

freebayes -f reference_genome.fasta merged_combined.bam > combined_variant.vcf

方案二：后处理多样本VCF合并列 #

如果已生成多样本VCF，可通过bcftools将所有样本列合并为单个样本列：

# 若已生成多样本VCF可跳过此步
freebayes -f reference_genome.fasta merged.bam > multi_sample.vcf

# 合并所有样本信息为COMBINED_SAMPLE列
bcftools view multi_sample.vcf | \
bcftools +fill-tags -- -t GT,AD,DP -S ^ | \
bcftools reheader -s <(echo "COMBINED_SAMPLE") > combined_variant.vcf

注：-S ^表示合并所有样本的信息，fill-tags用于整合基因型、等位基因深度、总深度等核心字段，reheader负责修改样本名为COMBINED_SAMPLE。

内容的提问来源于stack exchange，提问作者Amp